Название базовой системы (платформы): | Google TensorFlow |
Разработчики: | Uber |
Дата премьеры системы: | февраль 2019 г |
Технологии: | Средства разработки приложений |
2019: Появление в публичном доступе
В феврале 2019 года компания Uber выпустила инструмент с открытым исходным кодом Ludwig, который предназначен для обучения и тренировки систем искусственного интеллекта. При этом для использования технологии не нужно писать программный код.
Как пишет издание VentureBeat со ссылкой на заявление Uber, Ludwig стал результатом двухлетней работы компании над оптимизацией разработки ИИ-систем для практических проектов. Сам сервис заказа такси задействует этот инструмент для таких задач, как извлечение данных из сканированных изображений водительских удостоверений, определение интересных клиентам пунктов назначения во время их переписки с водителями, а также прогнозирование сроков доставки еды.
Ludwig уникален благодаря своей способности облегчать понимание глубокого обучения для неспециалистов и ускорять циклы итераций как для опытных разработчиков моделей машинного обучения, так и для исследователей, — говорится в сообщении в блоге Uber. — При помощи Ludwig эксперты и исследователи могут упростить процесс создания прототипов и обработку данных, чтобы можно было сосредоточиться на разработке архитектуры глубокого обучения, а не на подготовке больших данных. |
Ludwig предоставляет набор утилит командной строки для обучения, тестирования моделей и получения прогнозов, а также API-интерфейс Python, позволяющий обучать или загружать ИИ-модель и использовать ее для получения прогнозов на основе новых наборов данных.Рынок аутсорсинга информационной безопасности в России: особенности развития и перспективы. Обзор TAdviser
Uber добавила в Ludwig стандартные средства визуализации, помогающие пользователям понять производительность их моделей глубокого обучения и сравнить их возможности прогнозирования.
Для распределенного обучения Ludwig способен использовать фреймворк Uber Horovod, поддерживающий параллельную работу многих видеокарт и компьютеров. Решение построено на базе фреймворка TensorFlow.[1]
Примечания
Подрядчики-лидеры по количеству проектов
Солар (ранее Ростелеком-Солар) (44)
Финансовые Информационные Системы (ФИС, FIS, Финсофт) (15)
Форсайт (11)
Бипиум (Bpium) (10)
BellSoft (БеллСофт) (9)
Другие (370)
Солар (ранее Ростелеком-Солар) (8)
Финансовые Информационные Системы (ФИС, FIS, Финсофт) (4)
Консом групп, Konsom Group (КонсОМ СКС) (2)
ЛАНИТ - Би Пи Эм (Lanit BPM) (2)
IFellow (АйФэлл) (2)
Другие (30)
Солар (ранее Ростелеком-Солар) (10)
Форсайт (3)
Banks Soft Systems, BSS (Бэнкс Софт Системс, БСС) (3)
КРИТ (KRIT) (2)
Cloud.ru (Облачные технологии) ранее SberCloud (2)
Другие (13)
Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров
Microsoft (41, 47)
Солар (ранее Ростелеком-Солар) (2, 46)
Oracle (49, 26)
Hyperledger (Open Ledger Project) (1, 23)
IBM (33, 18)
Другие (556, 273)
Солар (ранее Ростелеком-Солар) (1, 8)
Финансовые Информационные Системы (ФИС, FIS, Финсофт) (1, 4)
Microsoft (4, 3)
Oracle (2, 3)
SAP SE (2, 2)
Другие (16, 19)
Солар (ранее Ростелеком-Солар) (1, 11)
Форсайт (1, 3)
Banks Soft Systems, BSS (Бэнкс Софт Системс, БСС) (1, 3)
Cloud.ru (Облачные технологии) ранее SberCloud (1, 2)
Сбербанк (1, 2)
Другие (9, 9)
Солар (ранее Ростелеком-Солар) (1, 6)
Unlimited Production (Анлимитед Продакшен) (1, 6)
Мобильные ТелеСистемы (МТС) (1, 4)
МТС Exolve (Межрегиональный ТранзитТелеком, МТТ) (1, 4)
Форсайт (1, 3)
Другие (11, 19)
Распределение систем по количеству проектов, не включая партнерские решения
Solar appScreener (ранее Solar inCode) - 46
Hyperledger Fabric - 23
Windows Azure - 20
FIS Platform - 15
Форсайт. Мобильная платформа (ранее HyperHive) - 12
Другие 305
Solar appScreener (ранее Solar inCode) - 8
FIS Platform - 4
Турбо X - 2
Siemens Xcelerator - 2
Java - 2
Другие 22
Solar appScreener (ранее Solar inCode) - 11
Форсайт. Мобильная платформа (ранее HyperHive) - 3
BSS Digital2Go - 3
Cloud ML Space - 2
BellSoft Axiom JDK (ранее Liberica JDK) - 1
Другие 8